スケジュール
- 二乗平均誤差(RMSE)を出す
- 計測
- グラフ化
- 二乗平均誤差を出す
- 誤差を減らす
- 3次元の歩行軌跡
- 計測
- グラフ化
進捗
計測
5歩 + 90度左 + 8歩(大きく) + (3歩)
歩幅に合わせて合わせて目印をつけ、歩く
実測した軌跡
加速度, 角速度, 角度グラフ
1歩を赤丸でプロット
角速度を積分して角度を出した
ピークの条件
- 高さ 11m/s^2 以上
- 間隔 0.3s 以上(30サンプル)
- 顕著度(?)の閾値 3.5以上
signal.find_peaks(df_acc[’low_norm’], height=11, distance=30, prominence=3.5)
いい感じ…?
軌跡
90度左向いたはずが明らかに無い
原因
角度のグラフ をみてみると… 約6.2rad => 約360度
(先週の記録は 約1.75rad)
角速度を見てみると先週の約10倍
角度を *0.1 してみる
軌跡(角度*0.1)
なぜ *0.1 する必要があるかは分からない
=> 反対に いくつ掛ければ90度になるか を考えてみる
軌跡(角度*0.26)
ぐねぐねしてるけど理想はこんな感じ
0.26 って何者…
1 / 0.26 = 3.84
… 3.14?
=> 弧度法と度数法の云々かと思ったけど違った
積分 & 値が大きくなる => サンプリング周波数?
計測時間 13.312s
サンプル数 5445
13.312 / 5445 = 0.002444811754
0.26 * 0.01 に似ている…
5445 / 13.312 = 409.02944711538
サンプリング周波数 約400Hz
=> iPhoneの100Hz のまま計算していた
理想のグラフになった
実際の軌跡も表示
大きくずれているがひとまず置いておく
二乗平均誤差を出してみる
計算方法
各点同士の差の合計を点の数で割る
√((x1 - x2)^2 + (y1 - y2)^2) / n
(TeX書けるようになりたいな…)
RMSE : 1.8939717262144389
=> 平均で 約1.89m の誤差
大きすぎる
誤差を減らしてみる
加速度(ノルム)をx軸, 実際の歩幅をy軸として散布図に描画
歩幅と加速度の関係
全然きれいにならない(理想は一直線)
=> あらかじめ付けた印に合わせて歩幅を変えたから?
ひとまず無理やり一次関数にする
無理やり一次関数にしたグラフ
step = 0.1 * norm - 0.5
この式を使って軌跡を描く
さすがに適当すぎた
軌跡が一番ぽくなったグラフ
RMSE: 0.9968661661770276
軌跡はぽいが、一歩の位置が明らかにおかしい
RMSEが最小となったグラフ
RMSE: 0.7881589575527493
step = 0.269 * norm - 0.3.043
0.788 は大きすぎる…
=> データの取り方を変える
普通に歩く -> 動画から歩幅を割り出す
誤差を減らす
メモ
平滑化フィルター掛けたの書くこと
計算方法は全て書くこと
目的に応じた精度で
今回はこれで十分
=> 今後何か作るときに応じて
3次元のセンサーデータ
HASC-IPSC
ハッカソン
非日常からアイデアを探すと被りにくい
- 祭り
- 金魚すくい
トイレットペーパーの回転から個人認識